CN110285812A - 多目标跟踪中基于目标威胁度的传感器匹配方法及系统 - Google Patents
多目标跟踪中基于目标威胁度的传感器匹配方法及系统 Download PDFInfo
- Publication number
- CN110285812A CN110285812A CN201910569424.2A CN201910569424A CN110285812A CN 110285812 A CN110285812 A CN 110285812A CN 201910569424 A CN201910569424 A CN 201910569424A CN 110285812 A CN110285812 A CN 110285812A
- Authority
- CN
- China
- Prior art keywords
- target
- sensor
- threat
- moment
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了多目标跟踪中基于目标威胁度的传感器匹配方法及系统,涉及多传感器多目标追踪领域;其包括步骤1:计算k时刻每个目标的威胁度获取应追踪目标的集合T;步骤2:匹配传感器i和其探测范围内集合T中威胁度最高的目标j,获得配对矩阵步骤3:判断集合T中的所有目标是否均匹配,若满足,则令配对矩阵元素满足否则转至步骤4;步骤4:为集合T中未匹配的目标j′匹配离其最近的传感器即,并转至步骤3;目标威胁度的因素通过目标状态量化,因素包括目标速度、目标航向角和目标与控制中心的距离。本发明通过对多目标跟踪中每一时刻的目标威胁度进行评估后,对传感器‑目标进行配对,能有效实现传感器资源的分配。
Description
技术领域
本发明涉及多传感器多目标追踪领域,尤其是多目标跟踪中基于目标威胁度的传感器匹配方法及系统。
背景技术
多传感器多目标追踪中的多传感器匹配方法包括基于贝叶斯理论的基于信息增益的多传感器匹配方法和基于任务的多传感器匹配方法。
基于信息增益的多传感器匹配方法通过最大化后验信息增益来获得传感器控制信号,Ristic等采用Renyi距离及随机集滤波器实现传感器控制。柯西-施瓦茨距离也被用于多目标追踪情景中,并且当多目标建模为泊松随机有限集时,对传感器控制的求解有闭式解。
基于任务的传感器匹配方法是基于性能表现和最小化某一性能指标来进行传感器匹配。Gostar等通过最小化估计误差并采用多贝努利滤波来进行传感器控制。闫涛等采用后验克拉美-罗下界及粒子群优化技术进行传感器匹配,此外,后验势及状态估计误差也用于传感器控制。
上述方法未考虑目标威胁度,如速度快且距离控制中心近的目标显然比在区域边界且速度较慢的目标威胁度大,需要更多的传感器资源,导致传感器资源分配不合理,从而带来计算复杂度高,实时性差的问题。
因此,需要一种考虑目标威胁度的多目标多传感器匹配方法,克服现有算法带来的资源分配不合理的问题。
发明内容
本发明的目的在于:本发明提供了多目标跟踪中基于目标威胁度的传感器匹配方法及系统,解决现有算法带来的资源分配不合理的问题。
本发明采用的技术方案如下:
多目标跟踪中基于目标威胁度的传感器匹配方法,包括如下步骤:
步骤1:计算k时刻每个目标的威胁度判断其是否满足若满足,则目标tj∈T,获取应追踪目标的集合T;
步骤2:匹配传感器i和其探测范围内集合T中威胁度最高的目标j即令获得配对矩阵
步骤3:判断集合T中的所有目标是否均匹配即满足若满足,则令配对矩阵元素满足完成匹配,否则转至步骤4;
步骤4:集合T中未匹配的目标j'即满足为目标j'匹配离其最近的传感器即令并转至步骤3;
所述目标威胁度的因素通过目标状态量化,所述因素包括目标速度、目标航向角和目标与控制中心的距离。
优选地,所述步骤2中选择其探测范围内集合T中威胁度最高的目标包括如下步骤:
步骤a:计算传感器和目标之间的距离;
步骤b:判断步骤a所述距离是否小于传感器探测范围阈值,若小于,则该目标满足配对要求,若大于,则不满足配对要求。
优选地,所述目标速度、目标航向角和目标与控制中心的距离的计算如下:
其中,Xk为k时刻目标的状态,(xk,yk)为k时刻目标的位置,分别为k时刻目标在x方向速度,k时刻目标在y方向速度;
目标距离控制中心的距离C1:
目标的速度C2:
目标速度矢量与位移矢量的夹角即目标航向角C3:
C3=<v1,v2>
v1=(xk,yk)-(xk-1,yk-1)
其中,为k-1时刻目标的位置。
多目标跟踪中基于目标威胁度的传感器匹配系统,包括
威胁度计算单元,用于通过目标状态量化目标威胁度的因素后计算目标威胁度,所述因素包括目标速度、目标航向角和目标与控制中心的距离;
目标集建立单元,用于判断目标威胁度是否满足阈值后构建应追踪目标的集合T;
配对单元,用于匹配传感器探测范围内且集合T中威胁度最大值的目标与传感器,获得配对矩阵;
判断单元,用于判断集合T中所有目标是否均匹配传感器后,更新配对矩阵;
修正单元,用于匹配集合T中的未匹配的目标和离其最近的传感器。
优选地,所述威胁度计算单元包括层次结构模型建立单元、对比矩阵构建单元、权向量计算单元、一致性检验单元和威胁度估计单元。
优选地,所述配对单元包括目标和传感器距离计算单元、比较单元和匹配单元,所述比较单元比较对象包括比较目标和传感器距离与传感器探测阈值的大小、集合中威胁度的大小。
优选地,所述目标速度、目标航向角和目标与控制中心的距离的计算如下:
其中,Xk为k时刻目标的状态,(xk,yk)为k时刻目标的位置,分别为k时刻目标在x方向速度,k时刻目标在y方向速度;
目标距离控制中心的距离C1:
目标的速度C2:
目标速度矢量与位移矢量的夹角即目标航向角C3:
C3=<v1,v2>
v1=(xk,yk)-(xk-1,yk-1)
其中,为k-1时刻目标的位置。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1.本发明通过对多目标跟踪中每一时刻的目标威胁度进行评估后,对传感器-目标进行配对,能有效实现传感器资源的分配,提高匹配的实时性;
2.本发明采用层次分析法估计目标威胁度,考虑目标的径向距离、速度及航向角等因素估计单个目标的威胁度,得到每一时刻每个目标的威胁度后将目标威胁度大于门限的目标计入集合T,再根据传感器的位置信息和目标的状态信息对传感器和目标进行配对,直至每个集合中目标均有一个或以上传感器对其进行跟踪。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的方法流程图;
图2为本发明的层次结构模型示意图;
图3为本发明的仿真对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
实施例1
现有算法存在缺陷,其未考虑威胁度对匹配的影响,导致多目标和多传感器的匹配准确度低,因此本申请提出一种多目标跟踪中基于目标威胁度的传感器匹配方法,包括如下步骤:
步骤1:计算k时刻每个目标的威胁度判断其是否满足若满足,则目标tj∈T,获取应追踪目标的集合T,k为采样时间间隔;
步骤2:匹配传感器i和其探测范围内集合T中威胁度最高的目标j即令获得配对矩阵
步骤3:判断集合T中的所有目标是否均匹配即满足若满足,则令配对矩阵元素满足完成匹配,否则转至步骤4;
步骤4:集合T中未匹配的目标j'即满足为目标j'匹配离其最近的传感器即令并转至步骤3;
所述目标威胁度的因素通过目标状态量化,所述因素包括目标速度、目标航向角和目标与控制中心的距离。
目标速度、目标航向角和目标与控制中心的距离的计算如下:
其中,Xk为k时刻目标的状态,(xk,yk)为k时刻目标的位置,分别为k时刻目标在x方向速度,k时刻目标在y方向速度;
目标距离控制中心的距离C1:
目标的速度C2:
目标速度矢量与位移矢量的夹角即目标航向角C3:
C3=<v1,v2>
v1=(xk,yk)-(xk-1,yk-1)
其中,为k-1时刻目标的位置。
步骤2中选择其探测范围内集合T中威胁度最高的目标包括如下步骤:
步骤a:计算传感器和目标之间的距离;
步骤b:判断步骤a所述距离是否小于传感器探测范围阈值,若小于,则该目标满足配对要求,若大于,则不满足配对要求。
在每一采样时间间隔(采样时间间隔根据传感器参数设置),时刻k,计算目标威胁度如下:
(a)建立层次结构模型,如附图1;通过目标状态量化目标威胁度的三个因素C1、C2、C3;层次结构模型通过C1(目标到监控中心距离)、C2(目标速度)、C3(航向角)确定目标威胁度;
(b)构造对比矩阵:根据成对比较法及1-9比较尺度构造中下层因素对上层因素的成对比较阵;
(c)计算权向量并做一致性检验:成对比较朕计算其最大特征根及其对应特征向量,利用随即一致性指标、一致性指标和一致性比率做一致性检验,若检验通过,将对应特征向量归一化为权向量;若不通过,返回步骤(b)重新构造成对比较阵;
(d)得到通过一致性检验的成对比较阵,按照权向量的结果进行目标威胁度的估计。
如图3所示:每一时刻目标都得以追踪,实时性好;真值和估计值吻合度高,多目标和多传感器匹配效果好;威胁度的计算复杂度低能较好地满足实时性,匹配算法基于威胁度能够对传感器资源进行有效管理,具有实践意义;本发明采用层次分析法估计目标威胁度,考虑目标的径向距离、速度及俯仰角等因素估计单个目标的威胁度,得到每一时刻每个目标的威胁度后将目标威胁度大于门限的目标计入集合T,再根据传感器的位置信息和目标的状态信息对传感器和目标进行配对,直至每个集合中目标均有一个或以上传感器对其进行跟踪,能有效实现传感器资源的分配。
实施例2
基于实施例1,本实施例提供一种多目标跟踪中基于目标威胁度的传感器匹配系统。
所述系统包括处理器、存储器和存储在所述存储器中并可在处理器上运行的计算机程序,例如“步骤1:计算k时刻每个目标的威胁度判断其是否满足若满足,则目标tj∈T,获取应追踪目标的集合T,k为采样时间间隔;
步骤2:匹配传感器i和其探测范围内集合T中威胁度最高的目标j即令获得配对矩阵
步骤3:判断集合T中的所有目标是否均匹配即满足若满足,则令配对矩阵元素满足完成匹配,否则转至步骤4;
步骤4:集合T中未匹配的目标j'即满足为目标j'匹配离其最近的传感器即令并转至步骤3;
所述目标威胁度的因素通过目标状态量化,所述因素包括目标速度、目标航向角和目标与控制中心的距离。
”程序,计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在系统中的执行过程。例如,所述计算机程序可以被分割。所述系统可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述系统包括威胁度计算单元、目标集建立单元、配对单元、判断单元和修正单元;威胁度计算单元,用于通过目标状态量化目标威胁度的因素后计算目标威胁度,所述因素包括目标速度、目标航向角和目标与控制中心的距离;目标集建立单元,用于判断目标威胁度是否满足阈值后构建应追踪目标的集合T;配对单元,用于匹配传感器探测范围内且集合T中威胁度最大值的目标与传感器,获得配对矩阵;判断单元,用于判断集合T中所有目标是否均匹配传感器后,更新配对矩阵;修正单元,用于匹配集合T中的未匹配的目标和离其最近的传感器。但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是所述系统的示例,并不构成对所述系统的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述系统设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述分辨率提升系统的控制中心,利用各种接口和线路连接整个分辨率提升系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述分辨率提升系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
综上,本发明采用层次分析法估计目标威胁度,考虑目标的径向距离、速度及航向角等因素估计单个目标的威胁度,得到每一时刻每个目标的威胁度后将目标威胁度大于门限的目标计入集合T,再根据传感器的位置信息和目标的状态信息对传感器和目标进行配对,直至每个集合中目标均有一个或以上传感器对其进行跟踪,能有效实现传感器资源的分配。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.多目标跟踪中基于目标威胁度的传感器匹配方法,其特征在于:包括如下步骤:
步骤1:计算k时刻每个目标的威胁度判断其是否满足若满足,则目标tj∈T,获取应追踪目标的集合T;
步骤2:匹配传感器i和其探测范围内集合T中威胁度最高的目标j即令获得配对矩阵
步骤3:判断集合T中的所有目标是否均匹配即满足若满足,则令配对矩阵元素满足完成匹配,否则转至步骤4;
步骤4:集合T中未匹配的目标j′即满足为目标j′匹配离其最近的传感器即令并转至步骤3;
所述目标威胁度的因素通过目标状态量化,所述因素包括目标速度、目标航向角和目标与控制中心的距离。
2.根据权利要求1所述的多目标跟踪中基于目标威胁度的传感器匹配方法,其特征在于:所述步骤2中选择其探测范围内集合T中威胁度最高的目标包括如下步骤:
步骤a:计算传感器和目标之间的距离;
步骤b:判断步骤a所述距离是否小于传感器探测范围阈值,若小于,则该目标满足配对要求,若大于,则不满足配对要求。
3.根据权利要求1所述的多目标跟踪中基于目标威胁度的传感器匹配方法,其特征在于:所述目标速度、目标航向角和目标与控制中心的距离的计算如下:
其中,Xk为k时刻目标的状态,(xk,yk)为k时刻目标的位置,分别为k时刻目标在x方向速度,k时刻目标在y方向速度;
目标距离控制中心的距离C1:
目标的速度C2:
目标速度矢量与位移矢量的夹角即目标航向角C3:
C3=<v1,v2>
v1=(xk,yk)-(xk-1,yk-1)
其中,为k-1时刻目标的位置。
4.多目标跟踪中基于目标威胁度的传感器匹配系统,其特征在于:包括
威胁度计算单元,用于通过目标状态量化目标威胁度的因素后计算目标威胁度,所述因素包括目标速度、目标航向角和目标与控制中心的距离;
目标集建立单元,用于判断目标威胁度是否满足阈值后构建应追踪目标的集合T;
配对单元,用于匹配传感器探测范围内且集合T中威胁度最大值的目标与传感器,获得配对矩阵;
判断单元,用于判断集合T中所有目标是否均匹配传感器后,更新配对矩阵;
修正单元,用于匹配集合T中的未匹配的目标和离其最近的传感器。
5.根据权利要求4所述的多目标跟踪中基于目标威胁度的传感器匹配系统,其特征在于:所述威胁度计算单元包括层次结构模型建立单元、对比矩阵构建单元、权向量计算单元、一致性检验单元和威胁度估计单元。
6.根据权利要求4所述的多目标跟踪中基于目标威胁度的传感器匹配系统,其特征在于:所述配对单元包括目标和传感器距离计算单元、比较单元和匹配单元,所述比较单元比较对象包括比较目标和传感器距离与传感器探测阈值的大小、集合中威胁度的大小。
7.根据权利要求5所述的多目标跟踪中基于目标威胁度的传感器匹配系统,其特征在于:所述目标速度、目标航向角和目标与控制中心的距离的计算如下:
其中,Xk为k时刻目标的状态,(xk,yk)为k时刻目标的位置,分别为k时刻目标在x方向速度,k时刻目标在y方向速度;
目标距离控制中心的距离C1:
目标的速度C2:
目标速度矢量与位移矢量的夹角即目标航向角C3:
C3=<v1,v2>
v1=(xk,yk)-(xk-1,yk-1)
其中,为k-1时刻目标的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910569424.2A CN110285812A (zh) | 2019-06-27 | 2019-06-27 | 多目标跟踪中基于目标威胁度的传感器匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910569424.2A CN110285812A (zh) | 2019-06-27 | 2019-06-27 | 多目标跟踪中基于目标威胁度的传感器匹配方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110285812A true CN110285812A (zh) | 2019-09-27 |
Family
ID=68019348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910569424.2A Pending CN110285812A (zh) | 2019-06-27 | 2019-06-27 | 多目标跟踪中基于目标威胁度的传感器匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110285812A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281920A (zh) * | 2014-09-29 | 2015-01-14 | 中南大学 | 尾矿库分层指标安全评估和预警方法与系统 |
CN105654232A (zh) * | 2015-12-24 | 2016-06-08 | 大连陆海科技股份有限公司 | 基于多维度空间融合的海岸监控与防御决策系统及方法 |
CN108333569A (zh) * | 2018-01-19 | 2018-07-27 | 杭州电子科技大学 | 一种基于phd滤波的异步多传感器融合多目标跟踪方法 |
CN108536171A (zh) * | 2018-03-21 | 2018-09-14 | 电子科技大学 | 一种多约束下多无人机协同跟踪的路径规划方法 |
CN109766905A (zh) * | 2018-09-28 | 2019-05-17 | 中国人民解放军空军工程大学 | 基于自组织特征映射网络的目标分群方法 |
-
2019
- 2019-06-27 CN CN201910569424.2A patent/CN110285812A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281920A (zh) * | 2014-09-29 | 2015-01-14 | 中南大学 | 尾矿库分层指标安全评估和预警方法与系统 |
CN105654232A (zh) * | 2015-12-24 | 2016-06-08 | 大连陆海科技股份有限公司 | 基于多维度空间融合的海岸监控与防御决策系统及方法 |
CN108333569A (zh) * | 2018-01-19 | 2018-07-27 | 杭州电子科技大学 | 一种基于phd滤波的异步多传感器融合多目标跟踪方法 |
CN108536171A (zh) * | 2018-03-21 | 2018-09-14 | 电子科技大学 | 一种多约束下多无人机协同跟踪的路径规划方法 |
CN109766905A (zh) * | 2018-09-28 | 2019-05-17 | 中国人民解放军空军工程大学 | 基于自组织特征映射网络的目标分群方法 |
Non-Patent Citations (1)
Title |
---|
吴志新: "一种基于效用的传感器管理方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111127513B (zh) | 一种多目标跟踪方法 | |
US20220383535A1 (en) | Object Tracking Method and Device, Electronic Device, and Computer-Readable Storage Medium | |
US20140160295A1 (en) | Road condition detection | |
CN113777600B (zh) | 一种多毫米波雷达协同定位跟踪方法 | |
CN112907636B (zh) | 多目标跟踪方法、装置、电子设备及可读存储介质 | |
CN102521840A (zh) | 一种运动目标跟踪方法、系统及终端 | |
CN108834077A (zh) | 基于用户移动特性的跟踪区划分方法、装置及电子设备 | |
CN105844102A (zh) | 一种自适应无参空间离群点检测算法 | |
JPWO2015099016A1 (ja) | 画像処理装置、被写体識別方法及びプログラム | |
CN110335313A (zh) | 音频采集设备定位方法及装置、说话人识别方法及系统 | |
CN111383246A (zh) | 条幅检测方法、装置及设备 | |
CN114966591A (zh) | 一种大目标检测方法、大目标检测装置及电子设备 | |
CN110285812A (zh) | 多目标跟踪中基于目标威胁度的传感器匹配方法及系统 | |
CN112862161A (zh) | 货物分拣管理方法、装置、电子设备和存储介质 | |
CN110008888B (zh) | 智能监控网络中的综合特征目标检测方法和系统 | |
JP2021032879A (ja) | レーダーに基づく姿勢認識装置、方法及び電子機器 | |
CN107464257B (zh) | 宽基线匹配方法及装置 | |
CN113656625B (zh) | 一种确定人体空间域的方法、装置及电子设备 | |
CN112416128B (zh) | 一种手势识别方法及终端设备 | |
CN110211161A (zh) | 一种多摄像头轨迹重合分析的方法及装置 | |
CN111722297A (zh) | 目标存在概率的计算方法、装置、电子设备及存储介质 | |
Roy et al. | Multi-resolution tracking in space and time | |
CN113050057B (zh) | 一种人员检测方法、装置及终端设备 | |
JP2021128759A (ja) | オブジェクト検出方法及び装置 | |
CN117474983B (zh) | 一种基于光视联动的预警方法以及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |
|
RJ01 | Rejection of invention patent application after publication |